网上虽然有很多Python学习的教程，但是大多是围绕Python网页开发等展开。数据分析所需要的Python技能和网页开发等差别非常大，本人就是浪费了很多时间来看这些博客、书籍。所以就有了本文，希望能帮大家少走一点弯路。

－－－－－－－－－－－－－－－－－我是分割线－－－－－－－－－－－－－－

本文章主要从数据分析、机器学习（深度学习）的目的出发， 讲讲如何零基础学习Python语法、数据分析模块（Numpy、Scipy、Scikit和Pandas等）以及使用python进行机器学习(SFrame,tensorflow）。

(今天就写个小框架吧^_^)

去年开始接触Python数据分析的学习，全是自学，所以对于广大网友来说应该有较大的借鉴意义。熟练掌握任何一门语言，几乎都需要经过以下过程：

1. 良师－－学习Python课程＋入门书籍＋浏览技术博客
2. 社区帮助－－善于使用搜索引擎、Mail List
3. 益友 －－ 寻找学习伙伴
4. Learn by Code －－项目实践

一、Python学习课程推荐

这两个学习课程从最基础的Python语法开始，介绍了Python数据分析、统计模型以及机器学习的各个方面，内容十分充足。之所以建议使用老外的课程是因为，老外上课假定你什么都不会，讲解深入浅出，尤其是对于华盛顿大学的机器学习课程，把复杂的概念讲解得十分简单。

1. 密歇根大学的《学习使用Python编程并分析数据》主要包括以下课程(讲解十分详细，深入浅出，非常适合入门学习，视频都是有字幕的)：

• 《大家的编程 (Python 入门》：课程涵盖了如何使用Python的基本指令编写程序. 课程对学生没有先设要求, 我们只涉及到最基本的数学, 有一定使用电脑经验的人都可以完全掌握这门课的内容. 
• 《Python 数据结构》：本课程将介绍Python编程语言的核心数据结构。我们将学习编程语言的基础概念，探索如何使用Python的内置数据结构，如列表、字典、元组，进行更为复杂的数据分析。
• 《使用 Python 访问网络数据》：使用Python爬取和解析网络数据
• 《Python 数据库开发》：使用Python和数据库进行交互
• 《使用 Python 获取并处理数据，并用可视化方式展现数据》

2. 华盛顿大学的《机器学习》专项课程

在专项课程页面无法选择旁听，必须点击进入单独课程页面才可，这个课程专题旁听是有限制的，无法提交作业；如有需求，可以申请奖学金，回答三个问题即可，系统自动通过申请。

• 《机器学习基础：案例研究》：你是否好奇数据可以告诉你什么？你是否想在关于机器学习促进商业的核心方式上有深层次的理解？你是否想能同专家们讨论关于回归，分类，深度学习以及推荐系统的一切？在这门课上，你将会通过一系列实际案例学习来获取实践经历。
• 《机器学习：回归》
• 《机器学习：分类》
• 《机器学习：聚类和检索》
• 《机器学习：推荐系统和降维》
• 《机器学习：应用深度学习创建智能运用》

二、网上打码教程

Learn by doing!!! 学习编程最有效的方式就是敲代码！

1. Codecademy 围绕Python 的基础语法，内容非常丰富。
2. Datacamp Python基本语法（他家的R语言课程十分不错！）

三、Python技术博客

简单介绍一些非常棒的Python技术学习的博客

1. 廖雪峰Python教程 简单易上手的Python基础语法教程，非常值得学习

2. 非常棒的pandas练习Github Repo

3. 很详细的Python 爬虫教程

4. 国外Data Science博客大全

四、Python入门书籍推荐

常用书籍下载网址，几乎囊括了网上能找得到的所有Python相关的书籍（PDF、Epub和mo bi格式），且提供云盘下载链接。你值得拥有！

http://www.salttiger.com/?s=python

1. 掌握Python语法的基础上学习《Python for data analysis》是比较不错的选择，涵盖了ipython notebook、Numpy、Scipy和Pandas包的使用。

2.《Python数据分析与挖掘实战》介绍了使用Python进行数据挖掘的详细案例，数据和代码都可以下载，作为机器学习的进阶学习是不错的选择（这本书也用对应的R语言和Matlab 版本）。

3. 《Python Cookbook》很厚的一本书，可以作为Python语法查询手册。

再添加几个外文书籍下载网址：

1. http://gen.lib.rus.ec 全，可能需要使用翻＊墙下载，翻＊墙方法见文末

2. http://www.foxebook.net

3. http://avxhome.in/ebooks/programming_development

五、推荐订阅博客（更细频率较高）

iPhone上可以使用Reeder阅读器，Instapaper用来保存后稍后阅读，因为信息量比较大。

1. No free Hunch Kaggle竞赛平台的官方博客，包括一些优秀的代码解读以及高分选手的采访，十分有用的经验（来自不同背景，不同年龄层次，不同职业的选手）
2. Flowing Data 十分有用的数据分析的案例
3. Python日报 内容十分精彩的集锦（中文）

六、FAQ (待续)

1. Python 2.x还是Python 3.x?
2. 如何安装Python包？ 强烈推荐Anaconda包，你值得拥有！尤其是Windows系统。
3. 网络速度慢，请翻*墙，安利一款免费好用Google开发的防屏蔽的梯子Lantern, （无法下载更新可以私信我），速度不错。
4. 是否需要很强的统计和数学背景？ 有良好的数学和统计背景固然很好，但是现在很多岗位对数学和统计背景要求并不很多，都是简单的算法，Python编程已经能够很方便地实现，更多的是对业务的深入理解。如有需要建议，边学习Python边学习数学统计。

七、实践项目

1. Kaggle竞赛项目，里面不仅仅有很多竞赛项目，而且有很多可供学习的代码、博客以及论坛，都是实战项目，有很强的实践价值。